缩小搜索范围：MMS爆发数据中磁鞘电流片的单类机器学习检测

我们提出了一种形态优先的框架，用于缩小磁层多尺度（MMS）爆发模式数据中磁重联候选事件的搜索范围。目标是湍流磁鞘等离子体中出现的、小而短且通常仅由电子构成的重联电流片。该流程分两个阶段运行。基于最小方差分析的局部帧质量门首先仅保留电流片坐标定义明确的窗口。然后，一个单类深度支持向量数据描述神经网络根据由单个已发表参考事件通过蒙特卡洛生成的3000个物理校准的合成电流片库对这些窗口进行评分。候选事件是否被接受进入替代库由二阶结构函数 $S_2(\tau)$ 控制：仅当其多尺度指纹在容差带内跟踪种子事件，并通过少量基于形状的检查时，候选事件才被接纳。这种以 $S_2(\tau)$ 为锚定的构建方式直接根据一个已被充分理解的参考事件定义了类内分布，并绕过了湍流磁鞘数据中缺乏精选负类的问题。应用于文献中的15个磁鞘湍流区间（1.58小时爆发模式覆盖），该框架将22,775个滑动窗口压缩为270个候选检测（减少98.8%）。人工视觉筛选确定其中93个为候选重联事件，另有118个为片状结构，保留了78%的队列以供后续研究；候选重联池远远超出了与用作合理性检查的已发表重联事件目录重叠的22个检测。该框架旨在作为更广泛的重联搜索流程中的数据缩减阶段，在此作为初步概念验证，之后将单类设计扩展到额外的特征通道。